24個終極數據科學項目(可免費獲取資源)

摘要： 本文精選了24個數據科學項目，並囊括了各個領域和各類不一樣大小的數據集。另外，全部的數據集都是開源、可免費獲取的。

數據科學項目爲你在這個領域的深刻研究提供了一個基礎。經過實際應用，你不只能夠學習數據科學，也可以寫在簡歷中提高你的資歷。在這上邊花費的時間越多，你學到的知識就越多。

本文精選了24個數據科學項目，並囊括了各個領域和各類不一樣大小的數據集。另外，全部的數據集都是開源、可免費獲取的。

初級——這部分的數據集很容易處理，使用基礎的迴歸/分類算法就能夠處理這些數據集。而且，這些數據集有足夠的教程供你學習。

中級——略微有點難度。包含了須要使用有點難度的模式識別技能來處理的大中型數據集。另外，特徵工程在這裏能夠發揮做用了。

高級——包括神經網絡、深度學習、推薦系統及高維數據等。

初級

1.Iris Data數據集（花的類別識別）

Iris Data Set多是模式識別領域學習分類技術最基本入門級的數據集，適合初學者。該數據集裏面包含了150行4列個數據。

問題: 根據已有特徵預測花的類別。
資源：數據集 | 教程

2.Loan Prediction 數據集（貸款預測）

它是保險領域最常引用的一個數據集。利用這個數據集，你能夠充分體驗到如何處理保險公司的數據，包括會遇到哪些挑戰、須要什麼策略、哪些變量會影響結果等。這是一個分類問題，數據集包含615行13列個數據。

問題: 預測一個貸款是否可以被批准。
資源：數據集 | 教程

3. Bigmart Sales 數據集（零售業銷售）

零售業是另外一個充分利用數據分析優化商業流程的行業。咱們能夠利用數據科學對商品的放置、庫存管理、定製供應、商品捆綁等任務進行巧妙的處理。該數據集包含了商店的交易數據，是一個迴歸問題，共包含8523行12列個數據。

問題：預測銷量。

資源：數據集 | 教程

4.Boston Housing 數據集（波士頓房屋）

這是另外一個模式識別領域較爲常見的數據集，來自於波士頓的房地產業，是一個迴歸問題，數據集有506行14列個數據。這個數據集並不大，你能夠嘗試使用任何技術，而不用擔憂筆記本的內存不夠。

問題：預測業主擁有房屋數量的中間值。

資源：數據集 | 教程

5. Time Series Analysis數據集（時間序列分析）

時間序列是數據科學中最經常使用的技術之一，具備普遍的應用：預測天氣預報、預測銷售額、分析逐年趨勢等。該數據集特定於時間序列，這裏面臨的挑戰是預測交通方式。

問題：預測新的交通工具的交通。

資源：數據集 | 教程

6. Wine Quality數據集（酒質量）

這是初學者最經常使用的數據集之一，分紅了2個數據集。在這個數據集上能夠同時執行迴歸和分類任務——異常值檢測、特徵選擇和不平衡數據。該數據集有4898行和12列個數據。

問題：預測酒的質量。

資源：數據集 | 教程

7.Turkiye Student Evaluation 數據集（學生課程評估）

該數據集基於學生填寫不一樣課程的評估表，擁有不一樣的屬性，包括出勤率、難度、分數等，是一個無監督學習問題。該數據集有5820行33列個數據。

問題：使用分類和聚類解決問題。

資源：數據集 | 教程

8.Heights and Weights 數據集（身高體重預測）

這是一個至關直接的迴歸問題，很是適合新手。該數據集有25,000行3列（索引、高度和權重）個數據。

問題：預測一我的的身高或體重。

資源：數據集 | 教程

中級

1. Black Friday數據集（黑色星期五）

這是一個包含零售商店記錄的銷售交易的經典數據集，能夠擴展特徵工程的技能，並從天天的購物經驗中對其進行理解，是一個迴歸問題。該數據集有550,069行12列個數據。

問題：預測購買力。

教程：數據集 | 教程

2. Human Activity Recognition 數據集（人類活動識別）

該數據集經過帶有嵌入式慣性傳感器的智能手收集了30個實驗者的記錄，可用於分類問題。數據集有10,299行561列個數據。

問題：預測人類活動的類別。

資源：數據集 | 教程

3. Text Mining數據集（文本挖掘）

該數據集最初來自於2007年Siam文本挖掘競賽，包括描述某些發生故障的航班的航空安全報告，是一個多分類和高維度問題。該數據集有21,519行30,438列個數據。

問題：根據文本標籤對文本進行分類。

資源：數據集 | 教程

4. Trip History數據集（旅行歷史）

此數據集來自美國的共享自行車服務。該數據集須要使用專業的數據處理技術，該數據集種的數據是從2010年第四季度開始按季度記錄的。每一個文件有7列是一個分類問題。

問題：預測用戶的類別。

資源：數據集 | 教程

5. Million Song數據集（預測歌曲發行時間）

你知道數據科學如今也用於娛樂行業嗎？這個數據集提出了一個迴歸任務，由515,345個觀察值和90個變量組成。可是，這僅僅是原始數據庫（約一百萬首歌曲）中的一小部分。

問題：預測歌曲的發行時間。

資源：數據集 | 教程

6.Census Income數據集（預測人口收入）

這是一個經典的不平衡分類機器學習問題。如今，機器學習普遍應用於正被普遍用於解決不平衡問題，如癌症檢測、欺詐檢測等。該數據集有48,842行14列個數據。

問題：預測美國人的收入水平。

資源：數據集 | 教程

7. Movie Lens數據集（電影推薦系統）

用於構建推薦系統，該數據集是數據科學行業中最受歡迎的「數據集」之一，有不一樣大小的數據集。這裏有一個較小的數據集，包含4,000部電影，6000個用戶的100萬個收視率。

問題：爲用戶推薦電影。

資源：數據集 | 教程

8. Twitter Classification數據集（預測推文）

Twitter數據已成爲情感分析不可分割的一部分。該數據集大小爲3MB，包含31,962條推文。

問題：預測哪些推文是使人討厭的，哪些不是。

資源：數據集 | 教程

高級

1.識別數字的數據集

用於研究、分析和識別圖像中的元素，這就是使用相機識別面部的技術，屬於數字識別問題。該數據集有28,000個28*28大小的圖像，總計31MB。

問題：從圖像中識別數字。

資源：數據集 | 教程

2.城市聲音分類

該項目旨在介紹經常使用的音頻分類問題。該數據集由10個類別（包含來自8,732個城市聲音的記錄）組成。

問題：對音頻進行分類。

資源：數據集 | 教程

3. Vox名人數據集

音頻處理正迅速成爲深度學習的重要領域，所以這是另外一個具備挑戰性的問題。此數據集收集了大型演講者的演講，並從YouTube中提取的名人的講話。對於語音識別來講，這是一個頗有趣的項目。該數據集包含1,251位名人發表的100,000條言論。

問題：找出聲音屬於哪一個名人。

資源：數據集 | 教程

4. ImageNet數據集

ImageNet提供了各類各樣的問題，包括對象檢測、定位、分類和屏幕分析。 全部的圖像都是免費的，你能夠搜索任何類型的圖像來構建項目。截至目前，該數據集擁有超過1500萬張圖片，大小超過140GB。

問題：要解決的問題會受下載圖像的類型影響。

資源：數據集 | 教程

5.芝加哥犯罪數據集

如今，每一個數據科學家都但願可以處理大型數據集，是一個多分類問題。該數據集在本地提供了處理大型數據集所需的實踐經驗。問題很簡單，但數據管理是關鍵！這個數據集有6,000,000個觀測值。

問題：預測犯罪類型。

資源：數據集 | 教程

6.印度演員年齡檢測

對於任何深度學習愛好者來講，這是一個使人着迷的挑戰。該數據集包含數千個印度演員的圖像，用來預測其年齡。全部圖像都是人工手動從視頻幀中選取的，這就致使了尺度、姿式、表情、照明、年齡、分辨率、遮擋和化妝等的高度可變性。訓練集中有19,906幅圖像，測試集中有6,636幅圖像。

問題：預測演員的年齡。

資源：數據集 | 教程

7.推薦引擎數據集

這是一項高級推薦系統挑戰賽。在這個項目中，你會獲得之前解決的程序和數據，以及解決特定問題的時間。做爲一名數據科學家，你構建的模型將協助在線評委決定向用戶推薦的下一級問題。

問題：根據用戶的當前狀態，預測解決問題所須要的時間。

資源：數據庫

8. VisualQA數據集

VisualQA是一個包含圖像的開放式問題數據集。這些問題須要理解計算機視覺和語言，這些問題有一個自動評估指標。數據集包含265,016張圖片，每張圖片3個問題，且每一個問題有10個標記好的答案。

問題：使用深度學習回答有關圖像的開放式問題。

資源：數據集 | 教程

總結

在上面列出的24個數據集中，你應該首先找到與自身技能相匹配的數據集進行實踐和練習。好比說，假如你是一位初學者，請先從初級數據集開始實踐，而不是直接從高級數據集開始練習。

本文做者：【方向】
閱讀原文本文爲雲棲社區原創內容，未經容許不得轉載。